返回全部题目← 上一题14 / 48下一题 →题库/模型训练与对齐/Q-16234DPO 的 chosen 与 rejected 差异很小时，会产生什么问题？知识专题：偏好对齐题目类型：原理机制技术难度：进阶相关面经：1 篇未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录相关面经相关题目相关面经1 篇百度大模型算法实习生2026-04-17日常实习一面查看原面经 →如果 chosen 和 rejected 差异太小，会发生什么？相关题目4 题0273SFT 与偏好数据如何构建，如何控制数据污染和分布偏移？同一知识专题题目类型：方案设计技术难度：进阶相关面经：2 篇0275如何从 KL 约束的强化学习目标推导 DPO 目标？同一知识专题题目类型：原理机制技术难度：深入相关面经：9 篇0604DPO 中好坏样例生成概率都下降的问题如何理解？同一知识专题题目类型：原理机制技术难度：进阶相关面经：3 篇0605DPOP 的全称是什么？同一知识专题题目类型：原理机制技术难度：进阶相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题如何判断 DPO 训练后模型学偏了，应该怎样解决？下一题 →如何把 DPO 与 Judge 用于孙悟空等角色化视频二创，构造偏好对并确定音视频质量优先级？
